摘要:阅读障碍会影响个人的阅读能力、影响学业成绩,还可能在学习期之后产生长期影响。早期发现至关重要。这通常通过一系列冗长的测试来完成:人类专家对这些测试进行评分,以决定孩子是否需要特定的教育策略。这种人工评估也会导致不一致。这就是为什么迫切需要更早、更简单(和更便宜)地筛查阅读障碍的原因。在本文中,我们研究了现代人工智能在自动化筛查方面的潜力。为了实现这一目标,并在先前研究的基础上,我们收集了非阅读障碍儿童和阅读障碍儿童的音频记录数据集。经过适当的预处理后,我们应用了各种机器学习算法来检查是否可以发现一些隐藏的模式,从而区分阅读障碍和非阅读障碍的读者。然后,我们建立了自己的神经网络,其性能优于其他测试方法。我们的结果表明可以将音频记录归类为阅读障碍的特征,从而通过非侵入性方法进行准确且廉价的阅读障碍筛查,并有可能惠及大量人群进行早期干预。
主要关键词